这个函数可以计算McGraw定义的6种不同icc中的任何一种,以及它们的置信区间。此外,使用原假设ICC = r0进行假设检验。
句法:
[r, LB, UB, F, df1, df2, p] = ICC(M, type, alpha, r0)
M是观察矩阵。每一行是一个测量对象,每一列是一个判断或测量对象。
'type'是一个字符串,可以是ICC所需类型的六种可能代码之一:
'1-1':随机选择对象的测量中的绝对协议程度。它估计任何两个测量的相关性。
“1-k”:随机选择的物体上k个独立测量值的平均值。
'C-1':案例2:测量之间的一致性程度。又称标准参考的可靠性,并且作为Winer对锚点的调整。案例3:在柱子因子的固定水平下测量的测量中的一致性程度。该ICC估计任何两种测量的追溯,而且当存在交互时,它低估了可靠性。
“C-k”:情况2:在随机选择的对象上的k个独立测量值的平均值的一致性程度。在心理测量学中被称为克朗巴赫阿尔法。案例3:固定列因子水平下k个独立测度的平均值的一致性程度。
“A-1”:情况2:测量之间的绝对一致程度。也被称为标准参照可靠性。案例3:在列因子的固定水平下测量结果的绝对一致性。
“A-k”:情况2:在随机选择的对象上的k个独立测量值的平均值的绝对一致性程度。案例3:在列因子的固定水平下,基于k个独立测量值的测量值的绝对一致性程度。
ICC是估计的颅内相关性。LB和UB是ICC的上限和下限,具有α的显着性。
除了ICC的估计,还使用ICC = r0的原假设进行假设检验。给出了该试验的F值、自由度和相应的p值。
(ICC类的代码名称与参考文献中的表7对应)。
参考文献:McGraw, K. O., Wong, S. P.,“关于类内相关系数的推理”,《心理学方法》,第1卷,第1期,第30-46页,1996
引用作为
Arash Salare(2021)。类内相关系数(ICC)(//www.tianjin-qmedu.com/matlabcentral/fileexchange/22099-intraclass-correlation-coeffiry-cofficiant -coffiration-coeffircion -coffile -coftumciant -coftical.cn。检索到.